宮頸癌是威脅女性健康的一種發(fā)病率極高的婦科惡性腫瘤疾病,對宮頸細胞的研究分析有助于宮頸癌診斷具有重大的意義。對于準確的顯微細胞圖像的檢測與分類能直接輔助臨床醫(yī)生進行閱片。伴隨著當今自動化、信息化與智能化的發(fā)展和經(jīng)濟的快速發(fā)展,人們越來越重視身體健康問題,也希望可以快速診斷所存在的問題。但由于宮頸脫落細胞圖像復雜多變,而現(xiàn)有的基于深度學習的宮頸癌細胞識別存在檢測識別率低下,檢驗時間長等問題。因此,優(yōu)化識別網(wǎng)絡結構對女性健康問題起到了關鍵作用,而且這項工作具有一定的挑戰(zhàn)性和研究價值傳統(tǒng)的宮頸癌識別算法主要有基于支持向量機和基于級聯(lián)多分類器融合。這些算法在實際應用期間較為復雜,且會受到其他外部因素影響使得檢測結果與真實場景要求不符。如今,基于深度學習的識別技術成為熱門研究的課題,也是機器學習領域的核心,廣泛應用于各個場景并取得顯著成果。本課題研究的主要方向為基于深度學習的目標檢測算法,通過分析選取的基礎模型為SSD模型,該模型精準度與檢測速度方面相對較高,在該模型的基礎上進一步的改進,從而達到宮頸癌識別的預期效果。本文的主要工作內容和創(chuàng)新點如下:1、針對沒有公共宮頸癌細胞數(shù)據(jù)集提供給網(wǎng)絡訓練... 

【文章來源】：湘潭大學湖南省

【文章頁數(shù)】：47 頁

【學位級別】：碩士

【部分圖文】：

宮頸脫落細胞圖像中各類細胞圖像

12圖2.1宮頸脫落細胞圖像中各類細胞圖像2.1.2宮頸癌病理學背景女性婦科惡性腫瘤疾病中發(fā)病率較高的為宮頸癌，發(fā)病后死亡率較高。根據(jù)近幾年的生物學資料與病理學顯示人類乳頭瘤狀病毒(HPV)感染，是造成宮頸上皮內瘤與宮頸癌的重要誘因，圖2.2顯示宮頸上皮細胞感染HPV病毒過程：圖2.2宮頸上皮細胞被HPV病毒感染過程圖2.3表示HPV，作為乳頭瘤病毒科的一部分，病毒顆粒成熟后無包膜，直徑大小為55nm，HPV基因組是雙鏈環(huán)狀DNA，為7900bp左右。圖2.3HPV（人類乳頭瘤狀病毒）從功能上可以劃分HPV基因組為三個區(qū)，下表2-1顯示：(1)早期基因區(qū)，其中具

13有6個基因，分別為E2、E1、E4、E6、E5、E7.(2)晚期基因區(qū)，由L1與L2基因共同構成。(3)非編碼區(qū)，包含三個序列，分別為沉默子、啟動子及增強子，用于對復制病毒與調控轉錄控制。表2-1HPV基因組HPV基因組早期轉錄區(qū)E1用于復制病毒DNAE2用于復制與轉錄抑制病毒E4用于對細胞中間的纖維破壞，促使釋放病毒E5對EGFR進行干預，可加快轉換病毒癌基因E6功能是阻礙細胞凋亡，促進生成細胞與轉化惡化細胞E7功能是將細胞周期阻滯消除，造成細胞周期失去控制晚期轉錄區(qū)L1衣殼蛋白，LI:L2比例為30:1具有高度特異性L2次要衣殼蛋白具有一致性的高度非編碼區(qū)URR或LCR轉錄調節(jié)基因2.1.3宮頸細胞語義模型設計與描述以下為正常宮頸細胞語義描述：1)宮頸表層細胞(圖2.4)：細胞尺寸大且為不規(guī)則扁平狀，周圍邊緣部分不平滑。依據(jù)細胞核與細胞漿的各種特征，將其劃分為固縮核與網(wǎng)狀核兩種表皮細胞，其中網(wǎng)狀核表層為大方塊的多邊形，顏色為淡藍色，細胞核染色質呈疏松狀態(tài)，形狀為網(wǎng)狀；固縮核表層核固縮減小，染色質致密深染，可染胞漿顏色為粉色或者淡藍色。圖2.4表層細胞2)宮頸中的底層細胞與外底層細胞為基底細胞，分別由圖2.5與圖2.6表示；內底層細胞特征為體積較小，但是細胞核尺寸最大，由數(shù)學角度分析該語義模型為細胞和胞核，形狀為圓形或者為近似圓的橢圓形，細胞核在細胞中部，其核漿比大約為1:（0.5~1）；外底層細胞形狀與內層細胞相似，細胞核的形狀為原形，在細胞居中區(qū)域與偏左區(qū)域，染色質為顆粒狀，核漿比大約為l:（2~3）。

【參考文獻】：
期刊論文
[1]Mobile-Edge Computing Framework with Data Compression for Wireless Network in Energy Internet[J]. Luning Liu,Xin Chen,Zhaoming Lu,Luhan Wang,Xiangming Wen.  Tsinghua Science and Technology. 2019(03)
[2]基于細胞核特征的宮頸癌細胞圖像的識別與分類[J]. 寧梓淯,羅微,李燕,呂鵬舉,李萌.  自動化與儀器儀表. 2016(10)
[3]基于橢圓傅里葉描述子的形狀表示的研究[J]. 張嘉桐,李雪妍,郭樹旭,康建玲.  計算機工程與應用. 2014(02)
[4]隨機森林與支持向量機分類性能比較[J]. 黃衍,查偉雄.  軟件. 2012(06)
[5]一種改進的K-means聚類彩色圖像分割方法[J]. 劉小丹,牛少敏.  湘潭大學自然科學學報. 2012(02)
[6]基于網(wǎng)格結構的CLARANS改進算法[J]. 張書春,孫秀英.  計算機工程. 2012(06)
[7]基于多邊形擬合的細胞圖像特征提取算法[J]. 盧智勇,梁光明.  計算機仿真. 2009(11)
[8]兩種宮頸癌篩查方法的對比研究[J]. 李清秀,鐘巧瑩.  廣東醫(yī)學. 2009(08)
[9]4種不同檢查方法在宮頸癌篩查中的臨床應用價值[J]. 李瑞珍,烏蘭娜,劉植華,王倩,李俊華,李晴,李霓,劉志紅,石菊芳,張長淮,周艷秋,劉彬,翁雷明,吳瑞芳,喬友林.  中國腫瘤臨床. 2009(01)
[10]自適應Canny邊緣檢測算法研究[J]. 李二森,張保明,周曉明,郭海濤,趙泳,趙建超.  測繪科學. 2008(06)

博士論文
[1]智能超聲掃查與細胞學篩查[D]. 張靈.浙江大學 2013

碩士論文
[1]基于強特征CNN-SVM的宮頸癌細胞檢測[D]. 李正義.北京交通大學 2018
[2]宮頸細胞圖像分割與識別算法研究[D]. 王爽.山東科技大學 2017



本文編號：2967839